灵巧

共 82 篇相关内容

工博会的具身展台「静悄悄」

工博会的具身展台「静悄悄」

「宇树这次的展台真小。」 在今年工博会上,我们听到一位观众经过宇树科技展台时发出了这样的感慨。 当时离闭馆这一「下班时间」还有两个多小时,展台上的机器人们已经集体进入了「摸鱼」时间。没有接连不断的运动表演,自然也少了围观的人群。 而此前的 …

王晓刚、李鸿升团队新作:260 万个场景训练灵巧手

王晓刚、李鸿升团队新作:260 万个场景训练灵巧手

OmniDex 借助可复用种子抓取库搭配碰撞筛选,将杂乱场景下的灵巧手抓取数据集规模从数千个扩充至 260 万个场景、约 4 亿条抓取标注;配套采用软胜者全取学习与物理约束的生成模型,省去推理阶段反复优化抓取位姿的步骤。 10 月 8 日,…

触觉,开始争夺传感器之外的生意

触觉,开始争夺传感器之外的生意

在美国匹兹堡举行的 IROS 2026 上,Sharpa 一口气发布了三款产品:一体式触觉感知灵巧操作机器人 D01、全手触觉灵巧手 W02,以及支持触觉反馈的外骨骼数据手套 AE01。 Sharpa 联合创始人李一帆此前在接受采访时曾表示…

智在无界卢宗青团队提出 Being-M0.7,依托人类视频动作先验,训练人形机器人全身移动操作

智在无界卢宗青团队提出 Being-M0.7,依托人类视频动作先验,训练人形机器人全身移动操作

Being M0.7 依托一万余小时人类第一视角视频与人体动作数据,学习画面与全身动作的联合先验,再通过机器人轨迹完成中训与动作后训练,输出人形机器人全身移动 + 操作的控制指令。模型在 SIMPLE 仿真基准中综合成功率 71.1%,位列…

对话 StageCraft 作者,聊一聊 VLA 从本体迁移到环境变化差在哪

对话 StageCraft 作者,聊一聊 VLA 从本体迁移到环境变化差在哪

今年 IEEE/RSJ 智能机器人与系统国际会议(IROS)于 9 月 27 日至 10 月 1 日期间在美国匹兹堡召开。 本届 IROS 收录的论文接近 1,900 篇,分设三百多个主题报告场次。 作为机器人领域与 ICRA 齐名的两大顶…

对话 TacVLA 论文团队,触觉该在什么时候更巧妙地发挥作用?

对话 TacVLA 论文团队,触觉该在什么时候更巧妙地发挥作用?

「这种思路谁都有,但是怎么加入进来?」 在 IROS 2026 现场聊到给 VLA 增加触觉时,张恒反复关注的并不是「要不要 touch」,而是另一个更具体的问题:机器人到底应该在什么时候使用触觉? 现在给机器人装上 tactile sen…

对话 IROS 最佳论文奖入围团队:灵巧手的「反内卷」,先让手掌动起来

对话 IROS 最佳论文奖入围团队:灵巧手的「反内卷」,先让手掌动起来

一只机器人手要拧开防儿童瓶盖,最直接的思路,是让它越来越像人手 。 更多手指、更多关节、更多自由度,再训练一套足够复杂的控制策略。 普渡大学的 周于皓 和合作者却给出了另一个答案: 先别急着继续加手指,让手掌也动起来。 在 IROS 202…

对话 Shallow-π 作者:压缩 Transformer 层级,具身模型竟做得更好?

对话 Shallow-π 作者:压缩 Transformer 层级,具身模型竟做得更好?

一个圆柱、一块正在转动的孔板,足以让两种机器人模型拉开差距。 在 Shallow π 的真实机器人实验中,任务要求机械臂拿起圆柱,插入移动中的小孔。层数更多的大模型,可能在等待计算结果的过程中错过位置;一个层数更少、输出接近它的小模型,却能…

IROS 现场对话 ULTRA 团队,机器人的「运动自由」还差什么?

IROS 现场对话 ULTRA 团队,机器人的「运动自由」还差什么?

灵巧手、驱动电机、控制算法、大模型......这些组成具身智能的「躯体」部件,正在变得越发精密。 以搬箱子为例,机器人的灵巧手要找到接触的位置,双脚撑住身体,电机驱动身体蹲下的同时,躯干要随重心变化调整姿态,随后再带着箱子、协调重心、缓慢移…

触觉正在成为机器人训练的下一种数据丨IROS 2026 现场

触觉正在成为机器人训练的下一种数据丨IROS 2026 现场

9 月 27 日,2 026 IEEE/RSJ 智能机器人与系统国际会议 IROS 在美国匹兹堡开幕,42号电波来到了现场。 好几场分会场全程座无虚席,室内席位早早被占满,会场大门一直敞开,门外还围着不少站立旁听的人。IROS 覆盖的议题很…

对话日冕钟元鑫:工业场景更适合验证 Physical RSI

对话日冕钟元鑫:工业场景更适合验证 Physical RSI

最近,RSI 正重新成为 AI 行业的高频词,而在具身智能领域,它已经开始被推向一个更具体的问题:机器能不能在真实世界里自我改进? RSI,即 Recursive Self Improvement,指系统能够参与改进自身的代码、工具或训练流…

理想汽车基座模型团队提出 ME-Dex 1.0,让触觉和画面一起预测未来

理想汽车基座模型团队提出 ME-Dex 1.0,让触觉和画面一起预测未来

ME Dex 1.0 让机器人在输出动作前,预先计算下一步会产生的接触状态。理想汽车基座模型团队将视觉、触觉、动作三路专家模块整合进同一个去噪框架;触觉与图像一样,被视作需要预测的未来观测。团队还借助手部模板,把不同灵巧手、夹爪的触觉信息对…